Apertus 1.5 与 OLMo 3.1 对比:该用哪个完全开放的模型?
Apertus 1.5 能读文本、图像和音频,上下文 262K;OLMo 3.1 只处理文本,上下文 64K,有 32B 模型。两者都是采用 Apache 2.0 的完全开放模型。
结论. 两者都是采用 Apache 2.0 的完全开放模型,训练代码和检查点都是公开的,所以要看模型需要读什么,以及你需要它有多新。Apertus 1.5(8B 和 70B,2026 年 7 月)除文本外还能接受图像和音频,上下文 262K,思考模式可选,并且只用公开可得的数据训练。它的仓库设有访问授权,音频理解还处于实验阶段,还需要 Swiss AI 的 Transformers 或 vLLM 分支。OLMo 3.1(7B 和 32B,2025 年 12 月)只处理文本,上下文 65,536 token,Ai2 公开了预训练数据(Dolma 3)和后训练数据集(Dolci),以及代码和检查点。Ai2 称在它的评测中,32B Instruct 是最强的完全开放 32B 指令模型。OLMo 更早,在能力上落后于 2026 年的开放权重模型;Apertus 更新,也更大,有 70B 版本。
规格
| 规格 | Apertus 1.5 | Olmo 3.1 |
|---|---|---|
| 开发方 | Swiss AI Initiative | Allen Institute for AI (Ai2) |
| 发布时间 | 2026年7月24日 | 2025年12月12日 |
| 总参数量 | 70B (Apertus 1.5 70B) | 32.2B (32B Think) |
| 激活参数量 | 全部 | 全部 |
| 架构 | 稠密 | 稠密 |
| 上下文窗口 | 256K token | 64K token |
| 输入 | 文本, 图像, 音频 | 文本 |
| 许可证 | Apache 2.0 (宽松) | Apache 2.0 (宽松) |
| 最小版本所需内存(4 位) | 5.52 GB (Apertus 1.5 8B) | 5.04 GB (7B Think) |
性能数据来自开发方,未经独立验证。
选 Apertus 1.5 的情况
- 你需要模型同时读图像或音频和文本。
- 你需要比 OLMo 的 32B 更大的模型,Apertus 有 70B 版本。
- 你想要 262K 上下文,并把思考作为聊天模板的开关。
- 你必须说明训练数据的来源:Apertus 只使用公开可得的数据,并追溯遵守爬虫的退出声明。
选 Olmo 3.1 的情况
- 你想用真实数据研究或复现训练,因为 Dolma 3 和 Dolci 都已公开。
- 你想在本地运行约 15 GB 的 7B Think 或 Instruct 模型。
- 你想用已发布的 RL-Zero 和中间检查点做强化学习实验。
- 你只处理文本,并且希望每个训练阶段(基础模型、监督微调、偏好调优和强化学习)都有公开的数据和检查点。